Astra 登顶 MathArena 八月新榜

SuSu_酥酥👅 @NFT_Chen原推发布于 2026.09.17

在 X 上打开原推

💥炸了：GPT-6 Astra 又把最难的数学评测打穿了！比Fable 5.1便宜8倍！ MathArena 刚放出 8 月新榜：题目只收「上个月刚被推翻的猜想」，模型必须在 harness 里用工具硬刚 12 小时。 分点看 Astra的成绩： 🔹ArXivMath：88.60%，第 1（Fable 5.1 87.72%）
🔹BrokenArXiv：81.94%，第 1（Fable 5.1 79.76%） 🔹综合预期：89.8%，成本 $2.36/题
🔹对比 Fable high：$8.93；Fable max：$24.95
🔹6 月旧榜曾到 94% / 99%，新榜变难才掉分
🔹物理+CS 扩题：101/104，直接饱和
🔹答错会说「证不出」，不装懂 分数接近，账单差一个数量级。 来源：@j_dekoninck / http://matharena.ai 查看论文：https://matharena.ai/arxiv_august/ #GPT6Astra #MathArena #LLM #OpenAI #AIBenchmark

这条是引用着另一条写的：「GPT-6 Astra 一次生成悉尼飞行模拟游戏」